数据挖掘在银行CRM中应用研究.docVIP

数据挖掘在银行CRM中应用研究 　　[摘 要] 随着金融市场竞争的加剧和消费者的需求日趋个性化，如何在快速多变的市场中保持老客户与争取新客户成为关乎各类银行成长和发展的关键，以客户为中心的客户关系管理（CRM）思想就在这样的一个环境和变化中逐渐为银行所重视与推崇，在日常管理中逐渐成为注目的焦点。然而，如何成功地实施一个CRM项目，关键在于如何对客户与银行交互过程中的各种数据进行收集、分析，挖掘出隐含在数据中的有用信息，然后用分析所得的知识做出决策，这需要先进的技术和工具的支持，数据挖掘技术的出现为银行CRM的实施提供了良好的支持。本文主要阐述了银行客户关系管理中数据挖掘技术的应用问题。 　　[关键词] 数据挖掘 客户关系管理 　　 　　客户关系管理（CRM――Customer Relationship Management）的首创者Gartner Group认为，CRM是迄今为止规模最大的IT概念，它将看待客户的概念从独立分散的单个部门提升到了企业的层面，虽然与每个客户的具体交互行为是由每个部门来完成的，但是却是企业对客户全面的责任。CRM可以为企业提供全方位的管理视角，赋予企业更完善的客户交流能力，最大化客户的收益率。 　　CRM的核心管理思想就是“客户”是企业最重要的资源之一，企业必须由过去的“产品”导向向“客户”导向转变，对企业与客户之间发生的各种关系进行全面的管理。银行与客户之间发生的关系，不仅包括单纯的各类金融产品销售过程所发生的业务关系，如合同签订、定单处理、收款等，而且包括在金融营销及售后服务过程中发生的各种关系，如在金融产品市场活动、市场推广过程中与潜在客户发生的关系，客户服务人员对客户提供关怀活动、服务活动的售后服务关系等。对银行与客户之间可能发生的各种关系进行全面管理，将会显著提升银行营销能力，降低营销成本，控制营销过程中可能导致客户不满的各种行为，不断改进对客户的服务水平，提高客户的忠诚度，从而为银行带来更多利润。 　　然而许多银行用了很大力气去积累有关客户的信息，但是并不能有效地进行客户关系管理，因为信息只是一些原材料，经过组织、分析并理解后，才可以用来??建成有关客户的知识。这些知识运用在银行的市场、销售、客户服务等各个领域，并让这些知识发挥出作用，以提升银行客户的满意度和忠诚度，从而降低生产和销售成本，缩短销售周期，扩大市场份额，提高银行的效率和效益。然而，银行如何管理和分析大量、复杂的客户信息，从中找出对自身管理决策有价值的信息和知识，则需要有先进的技术和工具的支持，数据挖掘等新兴技术的出现，为银行CRM的实现提供了良好的支持。 　　从技术上定义，数据挖掘(Data Mining，简称为DM)是一种半自动地从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取出隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。 　　如果从银行角度说，数据挖掘是一种新的客户信息处理技术，其主要特点是对银行数据库中的大量业务数据进行抽取、转换、分析和其他模式处理，从中提取辅助银行决策的关键性数据。因此，数据挖掘也可被描述为：是提取有用信息的数据产生过程，是从大量数据中挖掘出隐含的、先前未知的、对决策有潜在价值的知识和规则，并能够根据已有的信息对未来发生行为做出结果预测，为银行经营决策、市场策划提供依据的过程。 　　在银行CRM中,数据挖掘应用广泛。比如金融市场分析和预测、账户分类、信用评估等。这些金融业务都需要收集和处理大量数据,通过人工或使用小型软件进行分析预测十分困难,而数据挖掘可以通过对已有数据的处理，找到数据对象的特征和对象之间的关系,并可观察到金融市场的变化趋势,然后利用挖掘出的知识进行合理的分析预测,进而发现潜在客户及现有客户的金融和商业兴趣等。数据挖掘在银行CRM中的应用模型如下图所示。 　　在对CRM的广泛理解中,最简单的含义就是:管理所有的与客户的相互作用。在实践中,这需要在客户关系的各个阶段使用与客户相关的信息来预测与客户的相互作用。我们将客户关系的各个阶段定义为客户生命周期。客户生命周期包括四个阶段:一是获得客户,二是提高客户的价值,三是保持上等效益客户,四是防止客户流失。数据挖掘技术在CRM的不同生命周期具有不同的作用。 　　一、利用聚类分析法进行客户细分,获得客户 　　客户细分是银行有效运营、营销、服务的基础，是把大量的客户分成不同类型，每个类型里的客户拥有相似的属性。银行通过客户细分，针对每类的客户使用不同的营销方式或提供不同的服务,可使银行以最小的投入获得最大的回报。 　　聚类分析技术是通过无指导学习，按类相似性最大化原则，自动对数据分类。对于客户关系管理系统中存在的大量数据，管理人员常常希望得到有意义的提示以做出正确的客户分类判断，此时使用